BT görüntülerinden sürrenal lezyonların belirlenmesi ve sınıflandırılması
Yükleniyor...
Dosyalar
Tarih
2018-03-30
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Sürrenal lezyonlar böbreküstü bezlerinde meydana gelen ve genellikle rastlantısal olarak tespit edilen tümör tipleridir. Sürrenal lezyonların tespitinde ve karakterizasyonunda genellikle Bilgisayarlı Tomografi (BT) görüntüleme ve biyopsiden faydalanılır. Ancak sürrenal lezyonların anatomik konumu nedeniyle biyopsi işlemi oldukça zordur. Bu durum, bir Bilgisayar Destekli Teşhis (BDT) sisteminin gerekliliğini ortaya koymaktadır. Gerçekleştirilen tez çalışmasında, sürrenal lezyonların tespiti ve karakterizasyonu için bir BDT sistemi tasarlanmıştır. Tasarlanan BDT sistemi; abdomen segmentasyonu, gürültü ve yağ dokusu eliminasyonu, lezyon segmentasyonu ve lezyon sınıflandırma olmak üzere 4 aşamadan oluşmaktadır. Tez çalışması, Selçuk Üniversitesi Tıp Fakültesi Radyoloji Anabilim Dalı' ndan alınan 98 BT görüntüsü ile gerçekleştirilmiştir. Önerilen BDT sisteminin abdomen segmentasyonu aşamasında eğitim, test ve validasyon veri setlerinde sırasıyla %99.21, %99.54 ve %99.78 ortalama doğruluk değerleri elde edilmiştir. Gürültü eliminasyonu aşamasında literatürdeki farklı yöntemler karşılaştırılmış ve en iyi sonuç (%93.16 doğruluk) Blok Eşleştirme & 3B Filtreleme (BE3BF) algoritması ile bulunmuştur. Yağ dokusu ve gürültü eliminasyonu aşamasında literatüre göre 0.157 dB üstünlük sağlanmıştır. Sürrenal lezyonların segmentasyonu için önerilen sistem ile %83.06 Dice, %86.44 duyarlılık ve %99.66 özgüllük oranlarına ulaşılmıştır. Ayrıca önerilen BDT sisteminin son aşaması olan sürrenal lezyonların sınıflandırılmasında, dalgacık transformu ve optimizasyon temelli yapay sinir ağı ile %80.70 doğruluk ve %75 duyarlılık elde edilmiştir.
Adrenal lesions are the tumor types occurring on adrenal glands, and often being detected as coincidentally. Computed Tomography (CT) scan and biopsy process are generally utilized on the detection and characterization of adrenal lesions. However, the biopsy process stays as a challenging task due to the anatomical location of lesions. This situation reveals the necessity of a Computer Aided Diagnosis (CAD) system. In doctoral thesis, a CAD system was designed to detect and characterize the adrenal lesions. Proposed CAD system was designed on 4 steps that are abdomen segmentation, noise and fat tissue elimination, lesion segmentation and lesion classification. The study was realized using 98 CT images taken from Radiology Department of Medicine Faculty at Selcuk University. Abdomen segmentation system achieved the average accuracy rates as %99.21 (training), %99.54 (test) and %99.78 (validation). Different techniques were compared on the noise elimination, and the best result (%93.16 accuracy) was obtained by Block Matching & 3D Filtering (BM3D) algorithm. On the noise and fat tissue elimination, proposed system outperformed to the literature by achieving 0.157 dB higher result. Lesion segmentation system obtained %83.06 Dice, %86.44 sensitivity and %99.66 specificity rates. At the last step of CAD system, proposed method including wavelet transform and optimized neural network, achieved %80.70 accuracy and %75 sensitivity rates on the classification of adrenal lesions.
Adrenal lesions are the tumor types occurring on adrenal glands, and often being detected as coincidentally. Computed Tomography (CT) scan and biopsy process are generally utilized on the detection and characterization of adrenal lesions. However, the biopsy process stays as a challenging task due to the anatomical location of lesions. This situation reveals the necessity of a Computer Aided Diagnosis (CAD) system. In doctoral thesis, a CAD system was designed to detect and characterize the adrenal lesions. Proposed CAD system was designed on 4 steps that are abdomen segmentation, noise and fat tissue elimination, lesion segmentation and lesion classification. The study was realized using 98 CT images taken from Radiology Department of Medicine Faculty at Selcuk University. Abdomen segmentation system achieved the average accuracy rates as %99.21 (training), %99.54 (test) and %99.78 (validation). Different techniques were compared on the noise elimination, and the best result (%93.16 accuracy) was obtained by Block Matching & 3D Filtering (BM3D) algorithm. On the noise and fat tissue elimination, proposed system outperformed to the literature by achieving 0.157 dB higher result. Lesion segmentation system obtained %83.06 Dice, %86.44 sensitivity and %99.66 specificity rates. At the last step of CAD system, proposed method including wavelet transform and optimized neural network, achieved %80.70 accuracy and %75 sensitivity rates on the classification of adrenal lesions.
Açıklama
Anahtar Kelimeler
Sürrenal lezyon, Bilgisayarlı tomografi, Gürültü giderme, Yağ dokusu eliminasyonu, Abdomen segmentasyonu, Lezyon segmentasyonu, Hibrit sınıflandırıcı, Adrenal lesion, Computed tomography, Denoising, Fat tissue elimination, Abdomen segmentation, Lesion segmentation, Hybrid classifier
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Koyuncu, H. (2018). BT görüntülerinden sürrenal lezyonların belirlenmesi ve sınıflandırılması. Selçuk Üniversitesi, Yayımlanmış doktora tezi, Konya.
